연구진은 트랜스포머 K/V 메모리를 데이터베이스로 대체하고 2200만 파라미터 인코더를 활용하여 CPU 환경에서 팩트 기반 질의응답 시스템을 구현했습니다.
기존 방식과 달리 환각 현상은 디버깅 가능한 검색 오류로 처리되며, 지식 업데이트는 데이터베이스에 데이터를 삽입하는 것으로 간단하게 해결됩니다.
연구 결과는 GitHub 저장소에 공개되었으며, RLHF를 통해 에세이를 데이터베이스에 삽입하여 AI 모델의 미묘한 뉘앙스까지 학습시킬 수 있다고 설명합니다.